【技术实现步骤摘要】
本专利技术属于智慧农场，尤其涉及一种基于视频轨迹的牲畜异常进食行为监控方法及系统。
技术介绍
1、牲畜异常进食行为是一种指示牲畜健康状况的重要信号，与疾病、消化不良、营养不良等健康问题相关，及早发现，及早就医，可以减少疾病扩散风险。牲畜异常进食行为也与压力、焦虑、无聊等行为问题相关，及时掌握牲畜的行为习惯和变化，可以更好地了解和改善其行为健康。异常进食行为还表明牲畜对饲料的利用效率低下，监控异常进食行为可以帮助评估不同饲料的效益以及牲畜对饲料的消化能力，以便进行调整和优化饲料供应策略。因此，监控牲畜异常进食行为可以获取牲畜健康状态、行为问题和饲养效果相关的信息，有助于农场主或饲养者保障牲畜的健康、福利和生产效益。
2、传统农场牲畜异常进食行为主要采用人工判断。如：在下次喂养时顺道检查，此方法导致有些牲畜进食异常后只有在下次的喂养中才能发现，问题发现时间滞后，有会错过最佳的处理阶段。又如：对监控摄像头采集的视频数据进行回看审核，此方法监控效率低下，难以满足农场规模不断扩大下的大规模监控需求。
3、智慧农场牲畜异常进食行为主要采用传感器判断。如：通过重量传感器获取牲畜进食前后食盆重量变化或通过拾音器获取牲畜进食过程中的进食特征判断牲畜进食行为是否异常，该方法需要额外增设传感器设备，成本较高。又如：通过对比监控图像中牲畜进食前后饲料覆盖面积差判断牲畜进食是否异常，该方法中用面积替换体积计算进食量，天然就存在一定的误差量。
4、通过上述分析，现有技术存在的问题及缺陷为：传统农场中顺道检查类方案发现问题
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于视频轨迹的牲畜异常进食行为监控方法及系统。
2、本专利技术是这样实现的，一种基于视频轨迹的牲畜异常进食行为监控方法，包括以下步骤：
3、s1：视频监控：通过监控摄像头实时采集牲畜日常活动数据，并通过物联网硬件设备与以太网连接，将监控图像以视频形式上传服务器储存；
4、s2：目标跟踪：搭建目标检测模型，并对历史视频数据抽帧、标注、划分传入目标检测模型训练、验证、优化，之后调用实时监控视频数据，传入目标检测模型，再对检测结果进行轨迹处理、状态估计、信息关联、级联匹配等过程处理得到跟踪轨迹；
5、s3：异常进食行为分析：圈定食槽范围，统计当前摄像头下每一只牲畜的轨迹，并标定进食状态；然后根据农场喂食区间与历史经验，选择进食区间；最后根据进食状态和进食区间共同判断进食行为是否异常。
6、进一步，所述步骤s1的具体操作如下：
7、s11：设备安装，包括监控摄像头、录像设备、交换机、路由器、无线设备、服务器、显示器；
8、s12：数据采集，通过监控摄像头实时采集牲畜日常活动数据，将监控图像以视频的形式上传服务器；
9、s13：数据传输，将物联网硬件设备与以太网连接，然后将获取到的视频数据上传服务器；
10、s14：数据存储，服务器接收传入的视频数据并存储。
11、进一步，所述步骤s2的具体操作如下：
12、s21：数据集制作，首先对服务器中存储的历史视频数据进行抽帧，形成原始图像数据，再使用图像标注工具对原始图像数据进行数据标注，形成原始标签数据，原始图像数据加原始标签数据即为原始数据集；
13、s22：数据集划分，按照8：1：1的比例将原始数据集划分成训练数据集、验证数据集和测试数据集；
14、s23：目标检测模型搭建与训练，搭建基于深度学习的目标检测模型，并将训练数据集和验证数据集送入模型训练，得到牲畜目标检测模型；
15、s24：目标检测模型验证与分析，将测试数据集带入牲畜目标检测模型中进行测试，分析测试结果是否满足要求，并根据结果进行适当的优化；
16、s25：轨迹处理与状态估计；
17、s26：信息关联与级联匹配；
18、s27：目标跟踪结果验证与分析，调用实时监控视频数据，传入目标检测模型，再对检测结果进行轨迹处理、状态估计、信息关联、级联匹配等过程处理得到跟踪轨迹，分析跟踪轨迹是否满足要求，并根据结果进行适当的优化。
19、进一步，轨迹处理与状态估计具体包括：首先，在每个新轨迹的第一帧中，使用检测结果来初始化状态估计值；其次，在每个轨迹的后续帧中，使用卡尔曼滤波器对上一帧的状态进行预测，并结合行人的运动模型来预测当前帧的状态；然后，在当前帧中，将检测结果与上一帧的状态进行匹配，以计算新的状态估计值；最后，在每一帧结束时，根据状态估计值和匹配结果来管理已有的轨迹。
20、进一步，信息关联与级联匹配具体包括：首先，对当前帧中的所有检测结果和前一帧中的所有轨迹进行匹配，得到一个匹配矩阵，矩阵的每一个元素表示一个检测结果与一个轨迹是否匹配；其次，根据匹配矩阵和iou阈值进行筛选，得到一组高质量匹配的检测结果和轨迹；然后，根据筛选出的匹配结果，使用卡尔曼滤波器对每个跟踪目标的状态进行更新；最后，对当前帧中未被匹配的检测结果和前一帧中未匹配的轨迹进行级联匹配，建立新的轨迹或者更新旧的轨迹。
21、进一步，所述步骤s3的具体操作如下：
22、s31：目标轨迹统计，圈定食槽范围，统计当前摄像头下每一只牲畜的轨迹，进入食槽范围的牲畜记为进食状态，未进入食槽范围的牲畜记为未进食状态。；
23、s32：异常轨迹分析，根据农场喂食区间与历史经验，选择进食区间；在进食区间内，进食状态比例大于一定的阈值记为正常进食行为，进食状态比例小于一定的阈值记为异常进食行为并进行预警提醒；在非进食区间，进食状态比例小于一定的阈值记为正常活动行为，进食状态比例大于一定的阈值记为异常进食行为并进行预警提醒。
24、本专利技术的另一目的在于提供一种基于视频轨迹的牲畜异常进食行为监控方法的基于视频轨迹的牲畜异常进食行为监控系统，该系统包括：
25、视频监控模块，用于通过监控摄像头实时采集牲畜日常活动数据，并通过物联网硬件设备与以太网连接，将监控图像以视频形式上传服务器储存；
26、目标跟踪模块，用于搭建目标检测模型，并对历史视频数据抽帧、标注、划分传入目标检测模型训练、验证、优化；然后调用实时监控视频数据，传入目标检测模型，再对检测结果进行轨迹处理、状态估计、信息关联、级联匹配等过程处理得到跟踪轨迹；
27、异常进食行为分析模块，用于圈定食槽范围，统计当前摄像头下每一只牲畜的轨迹，并标定进食状态；然后根据农场喂食区间与历史经验，选择进食区间；最后根据进食状态和进食区间共同判断进食行为是否异常。
28、本专利技术的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的基于视频轨迹的牲畜异常进食行为监控方法的步本文档来自技高网...
【技术保护点】
1.一种基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，所述步骤S1的具体操作如下：
3.如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，所述步骤S2的具体操作如下：
4.如权利要求3所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，轨迹处理与状态估计具体包括：首先，在每个新轨迹的第一帧中，使用检测结果来初始化状态估计值；其次，在每个轨迹的后续帧中，使用卡尔曼滤波器对上一帧的状态进行预测，并结合行人的运动模型来预测当前帧的状态；然后，在当前帧中，将检测结果与上一帧的状态进行匹配，以计算新的状态估计值；最后，在每一帧结束时，根据状态估计值和匹配结果来管理已有的轨迹。
5.如权利要求3所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，信息关联与级联匹配具体包括：首先，对当前帧中的所有检测结果和前一帧中的所有轨迹进行匹配，得到一个匹配矩阵，矩阵的每一个元素表示一个检测结果与一个轨迹是否匹配；其次，根据匹配矩阵
6.如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，所述步骤S3的具体操作如下：
7.一种如权利要求1～6任意一项所述的基于视频轨迹的牲畜异常进食行为监控方法的基于视频轨迹的牲畜异常进食行为监控系统，其特征在于，该系统包括：
8.一种计算机设备，其特征在于，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法的步骤。
9.一种计算机可读存储介质，其特征在于，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法的步骤。
10.一种信息数据处理终端，其特征在于，信息数据处理终端用于实现如权利要求7所述的基于视频轨迹的牲畜异常进食行为监控系统。
...【技术特征摘要】
1.一种基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，所述步骤s1的具体操作如下：
3.如权利要求1所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，所述步骤s2的具体操作如下：
4.如权利要求3所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，轨迹处理与状态估计具体包括：首先，在每个新轨迹的第一帧中，使用检测结果来初始化状态估计值；其次，在每个轨迹的后续帧中，使用卡尔曼滤波器对上一帧的状态进行预测，并结合行人的运动模型来预测当前帧的状态；然后，在当前帧中，将检测结果与上一帧的状态进行匹配，以计算新的状态估计值；最后，在每一帧结束时，根据状态估计值和匹配结果来管理已有的轨迹。
5.如权利要求3所述的基于视频轨迹的牲畜异常进食行为监控方法，其特征在于，信息关联与级联匹配具体包括：首先，对当前帧中的所有检测结果和前一帧中的所有轨迹进行匹配，得到一个匹配矩阵，矩阵的每一个元素表示一个检测结果与一个轨迹是否匹配；其次，根据匹配矩阵和iou阈值进...
【专利技术属性】
技术研发人员：赵飞扬，王万均，田茂洪，刘呈云，李华林，谭洪淋，
申请(专利权)人：重庆数宜信信用管理有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。